基于状态空间模型的道路交通状态多点时间序列预测

以多点的道路交通状态为研究对象,把道路交通状态单点预测向多点同时预测扩展,提出了基于状态空间模型的道路交通状态多点时间序列预测方法。首先,利用道路交通状态的多点时间序列数据建立多维自回归模型,转化状态空间模型形式,接着利用EM算法估计状态空间模型参数,从而得到多点道路交通状态的状态空间模型;其次,根据时间序列数据估计系统状态,利用卡尔曼滤波算法进行一步预测,补充新的数据并更新系统状态递推预测;最后,利用某城市快速路上相邻6个交通检测器采集的多点时间序列数据验证模型的有效性,并与卡尔曼滤波单点预测方法相对比。结果表明:该模型是可行和有效的。     

线性调频连续波雷达信号匹配滤波

利用周期模糊函数分析了线性调频连续波信号的匹配滤波输出．用频域加权匹配处理可有效抑制距离耄瓣，提高多目标的分辨能力，但无法避免主瓣变宽，并使线性调频连续波信号的匹配滤波输出有信噪比损失．若采用汉宁加权，信噪比损失为3．52dB．     

内河表面实测水流流速数据处理技术研究

水流流速是河流研究、航道项目设计中的重要参数,由于测量仪器自有的噪声误差、水流运动的脉动性以及测量人员的随机测量错误,都可能导致测量误差较大,不能保证数据的准确性.针对这一问题,文章采用数学分析法,以每个施测横向断面为基本单位,依次使用小波包滤波去噪和移动平均值法过滤,很好地消除了数据噪声及波动误差,流速的横向分布的连续性有了很大提高.通过傅里叶转换方程对降噪前后进行能谱分析,降噪前后差异很小,趋势基本一致.最后,借助SMS软件将数据点离散,生成了河段地形图.其结论方法可以为同类河流的实测流速数据处理提供技术支持.     

基于Delphi的数据采集在汽车制动性能测试中的应用

根据汽车道路试验的需要,开发了基于Delphi的数据采集处理系统。该系统通过RS-232串行接口实现PC和数据采集机的串行通信,对汽车运动参数进行实时采集、监控,并在SQL Server的支持下对数据进行滤波分析,从而达到对汽车制动性能的评价。经过汽车道路实际测试,该系统能够很好地完成其设计的功能。     

一种基于DCT域滤波的新型盲均衡器

在常数模算法(CMA)基础上，提出一种适合于多电平调幅、调相数字通信系统的基于离散余弦变换(DCT)域滤波的新型CMA盲均衡器．计算机仿真结果表明：该盲均衡器较纯粹的CMA均衡器具有更好的均衡性能．     

可控整流直流电动机调速系统主回路临界电感量与滤波电感量的计算问题

研究了三相半波可控整流和三相桥式全控整流直流电动机调速系统主回路临界电感量L_(lx)和滤波电感量L_(md)的计算问题,提出以限制连续整流电流i_d在谷点以上部分的平均值(也可定义为i_d的脉动幅值)作为滤波指标,从而使L_(lx)和L_(md)的计算公式达到统一,分析了回路电阻对L_(lx)和L_(md)计算的影响。     

随机状态模型参数辨识的多步算法

基于解耦辨识和多步计算思想,本文提出了一种状态空间模型参数辨识的多步算法.计算法包括二步加权最小二乘法、一步输出信息序列的修正和一步自适应 Kalman滤波过程,具有全局收敛且对待辨识参数初始估值设置不敏感等特点.仿真结果表明,在受控系统承受测量噪声和过程噪声的情况下,该算法对线性状态空间模型的参数辨识是十分有效的.     

基于2D的钢轨轮廓特征点提取方法研究

钢轨轮廓数据特征点快速、准确提取是保证钢轨轮廓精确匹配、轨道几何不平顺精确检测的前提。对基于二维激光位移传感器(2D)的钢轨轮廓测量数据特征点提取方法进行研究,通过对采集的钢轨半断面轮廓数据采用基于中值误差与连续度自适应调整权值的平滑滤波方法对实测轮廓数据进行平滑处理,解决存在分段的轮廓数据达到分段平滑的效果。提出钢轨轮廓特征曲线的概念,并给出特征曲线的一种定义方式,利用特征曲线上的特征点去快速定位实测轮廓特征点。最后,采用GJ-2型轨道检测车进行试验,通过对实际轨道进行轮廓测量,采用本文所提出的特征点提取方法对实测轮廓数据进行特征点提取,试验证明,该方法能快速、准确地定位轮廓特征点。     

A hybrid model based method for bus travel time estimation

Providing accurate information about bus arrival time to passengers can make the public transport system more attractive. Such information helps the passengers by reducing the uncertainty on waiting time and the associated frustrations. However, accurate estimation of bus travel time is still a challenging problem, especially under heterogeneous and lane-less traffic conditions. The accuracy of such information provided to passengers depends mainly on the estimation method used, which in turns depends on the input data used. Hence, developing suitable estimation methods and identifying the most significant/appropriate input data are important. The present study focused on these aspects of development of estimation methods that can accurately estimate travel time by using significant inputs. In order to identify significant inputs, a data mining technique, namely the k-NN classifying algorithm, was used. It is based on the similarity in pattern between the input and historic data. These identified inputs were then used in a hybrid model that combined exponential smoothing technique with recursive estimation scheme based on the Kalman Filtering (KF) technique. The optimal values of the smoothing parameter were dynamically estimated and were updated using the latest measurements available from the field. The performance of the proposed algorithm showed a clear improvement in estimation accuracy when compared with existing methods.     

柴油机微粒捕集器再生系统工作模式判别研究

在发动机急变工况下,喷油助燃+柴油机氧化催化转化器(DOC)微粒再生方式需对喷油助燃装置工作模式进行判断,降低能耗并增加再生系统稳定性。对一种采用滤波方式判断喷油助燃装置工作模式的方法进行台架试验和仿真,介绍了利用低通滤波进行工作模式判别的原理,分析了DOC对工作判别的影响,得到判别温度区和时间常数范围。